Подпишитесь на DeepL Pro и переводите документы большего объема.

Подробнее на www.DeepL.com/pro.

CMP5550 - Мини-проект 2
Отчет о предложении
Обнаружение и отслеживание полосы движения для самоуправляемых
автомобилей

Гассен Бен Насер 2253335

Абдуссамат Саидбурхан
2250461
СОХАИБ ДЖЕБАРИ 2252756

Аннотация

Обнаружение и отслеживание полосы движения - относительно недавно

появившиеся критические методы, используемые в настоящее время для
помощи в навигации автономных транспортных средств, которые также
известны как самоуправляемые автомобили. Данный проект направлен на
разработку надежного алгоритма, использующего такие подходы компьютерного
зрения, как определение границ для обнаружения и извлечения информации о
полосе движения из входных изображений и видеокадров в режиме реального
времени, механизм отслеживания для оценки траектории движения
обнаруженных полос, поддержания непрерывности полосы движения во
времени и адаптации к дорожным условиям. Наконец, точность и
производительность нашего алгоритма будут оценены с помощью
экспериментальных данных, включая моделирование.

Введение:

В последние годы методы компьютерного зрения добились огромных успехов

благодаря их пересечению с обработкой изображений, что привело к огромному росту
доступности в большинстве отраслей и сфер, о которых мы и не подозревали.
Компьютерное зрение завоевывает все более прочные позиции, преобразуя нашу
жизнь почти стремительно с развитием технологий, которые находятся за пределами
нашего воображения, таких как умные автомобили и самоуправляемые транспортные
средства.

В связи с этим компьютерное зрение произвело революцию в области автономного

вождения, позволив транспортным средствам воспринимать и понимать окружающую
обстановку с помощью визуальной информации. Среди важнейших задач автономной
навигации обнаружение и отслеживание полосы движения выделяются как
фундаментальные компоненты для обеспечения эффективного и безопасного
вождения. Определяя и отслеживая разметку на дорогах без знания их структуры и
геометрии, самоуправляемые автомобили могут эффективно перемещаться по
выделенным полосам, обеспечивая основу для таких продвинутых функций, как
удержание полосы движения и планирование пути.

Наш проект направлен на создание алгоритма для обнаружения и отслеживания полос

движения для автономного автомобиля с использованием нескольких методик
обработки изображений. С помощью методов обнаружения краев и передовых методов
извлечения признаков наша система нацелена на точное обнаружение и извлечение
разметки полос движения из записей камер в реальном времени или записанных
видеоматериалов. Захваченная информация будет в дальнейшем анализироваться и
обрабатываться для непрерывного определения и отслеживания положения и
траектории движения полос движения по последовательным кадрам, что позволит
системе адаптироваться к любым дорожным условиям.

Методология:

• Определение проблемы и сбор данных:

Проблема обнаружения и отслеживания полос движения включает в себя разработку

системы компьютерного зрения, которая будет точно определять и отслеживать
полосы движения на дороге или шоссе. Система должна быть
способны обнаруживать границы полос движения и оценивать их траектории в режиме
реального времени, что позволяет автономным транспортным средствам оставаться в
пределах выделенных им полос и принимать соответствующие решения на основе
обнаруженных полос движения.

Кроме того, для обучения системы обнаружения и отслеживания полос движения мы

будем использовать набор данных, состоящий из аннотированных изображений или
видео, включающих различные дорожные условия, условия освещения и различные
типы разметки полос движения, как для обучения, так и для тестирования.

• Предварительная обработка

Перед тем как напрямую передать наш набор данных в нашу систему, мы
воспользуемся некоторыми методами предварительной обработки, чтобы улучшить
качество и пригодность данных, облегчая алгоритмам извлечение значимой
информации и составление точных прогнозов, например:

1. Преобразование данных в полутоновые изображения

2. Изменение размера
3. Снижение уровня шума
4. Расширение данных (применение некоторых преобразований,
увеличивающих разнообразие и размер набора данных, таких как
перевод, вращение...)

• Обнаружение полосы движения

Нашей основной первой задачей будет обнаружение полосы движения, для чего мы
должны извлечь точки и сегменты-кандидаты полосы движения, чтобы определить
границы полосы движения на изображениях или видео, которые будут использоваться
в качестве входных данных. Вот шаги, которые мы выполним для обнаружения полосы
движения:

1. Цветовое пороговое выделение (выделение разметки полосы движения на

основе ее цветовых характеристик)
2. Обнаружение краев (определение границ объектов и особенностей на
изображении/видео с помощью таких методов, как фильтр Канни)
3. Преобразования Хафа (обнаружение линий или кривых на изображении)
4. Область интереса (эта область определяется для ограничения пространства
поиска для обнаружения полосы движения)

• Слежение за полосой движения

После обнаружения полосы движения мы должны разработать алгоритм отслеживания

полосы движения для оценки траектории движения обнаруженных полос во времени,
чтобы помочь нам учесть изменения в положении полос движения, и мы будем
использовать такие методы, как фильтрация Калмана или полиномиальная подгонка
кривых для оценки и отслеживания положения полос движения.

Мы хотим попробовать метод отслеживания на основе глубокого обучения, который

использует методы глубокого обучения, в частности глубокие нейронные сети, для
отслеживания объектов или особенностей в видеопоследовательности. Она включает
в себя обучение нейросетевых моделей, таких как конволюционные нейронные сети
(CNN) или рекуррентные нейронные сети (RNN), которые обычно используются для
решения этой задачи.
 • Оценка и оптимизация

На этом этапе мы начнем оценивать производительность наших двух алгоритмов:

обнаружения и отслеживания полосы движения, вычисляя их точность,
прецизионность и отзыв. Мы будем сравнивать их с нашей истиной, которая
представляет собой набор данных, содержащий правильные значения, которые
известны.
На основе анализа производительности системы мы оптимизируем алгоритм для
обработки в реальном времени, этот шаг может включать изменение параметров и
пороговых значений.

• Валидация и верификация:

На этом этапе мы должны начать тестирование системы на реальных сценариях,

чтобы проверить их функциональность, а также оценить общую производительность и
надежность всей системы.

Язык программирования:

Для этого проекта мы выбрали Matlab в качестве основного языка программирования

Высокоуровневое программирование предлагает Matlab, который известен тем, что

удобен в использовании. Она доступна как для исследователей, так и для инженеров
благодаря удобному интерфейсу и интерактивной среде разработки. При создании и
тестировании различных алгоритмов обнаружения и отслеживания полос движения эта
простота может оказаться очень полезной.

Заключение:

Этот проект по обнаружению и отслеживанию полос движения позволил добиться

значительных успехов в развитии технологий автономного вождения. Разработав
надежную и точную систему для обнаружения и отслеживания полос движения, данный
проект внес вклад в решение важнейшей задачи восприятия и понимания дорожной
среды. Благодаря интеграции алгоритмов компьютерного зрения, методов глубокого
обучения и тщательного тестирования, система демонстрирует способность
обнаруживать и отслеживать полосы движения с такой высокой точностью и
надежностью. Это достижение является ключевым компонентом, позволяющим
самодвижущимся автомобилям безопасно ориентироваться и принимать
обоснованные мгновенные решения на дороге. Проект прокладывает путь для
дальнейшего прогресса в технологии автономных транспортных средств, способствуя
будущему с повышенной безопасностью на дорогах и эффективными транспортными
системами.

Ссылки:

[1] Craig D'Cruz , Ju Jia Zou , Обнаружение полосы движения для систем помощи
водителю и интеллектуальных транспортных средств https://sci-
hub.se/10.1109/ISCIT.2007.4392216.

[2] Ruyi Jiang, Reinhard Klette, Tobi Vaudrey, and Shigang Wang, New Lane Model and
Distance Transformfor Lane Detection and Tracking
[3] Swapnil Waykole, Nirajan Shiwakoti, Оценка эффективности алгоритма
обнаружения и отслеживания полосы движения на основе подхода, основанного
на обучении, для автономного транспортного средства
https://www.mdpi.com/2071-1050/14/19/12100/pdf.